Python 从三维阵列绘制三维散点图

我目前正在尝试使用3D阵列绘制3D散点图。 我在网上找到的关于绘制三维散点图的内容类似于

ax.scatter3D（x，y，z）

其中

x

，

y

，

z

都是一维阵列。 然而，在我的例子中，我使用numpy的

historogramdd

生成了一个形状数组

（3，3，3）

In [61]: h, edges = histogramdd(array([[1,2,4],[4,2,8],[3,2,1],[2,1,2],[2,1,3],[2,1,1],[2,1,4]]),bins=3)
In [64]: h
Out[64]:
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  1.,  0.]],

       [[ 3.,  1.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 1.,  0.,  1.]]])

---

我的问题是，如何将这个

（3，3，3）

解压成与轴相对应的一维数组，以便绘制三维散点图？

我想说，您需要4个维度来绘制您创建的直方图。一个想法是使用一个3D散点图来改变标记的大小，从而对每个3D容器中包含的数据点数量的信息进行编码

这是我要做的

生成三维直方图

将numpy导入为np
a=np.数组（[[1,2,4]，[4,2,8]，[3,2,1]，[2,1,2]，[2,1,3]，[2,1,1]，[2,1,4]）
h、 边缘=np.组织图D（a，箱=3）

创建箱子位置的三维坐标

ex，ey，ez=边
x、 y，z=np.meshgrid（np.linspace（ex[0]，ex[-1]，3），
np.linspace（ey[0]，ey[-1]，3），
np.linspace（ez[0]，ez[-1]，3））

使用三维散点打印箱子，并更改标记的大小，以编码每个打印箱子中包含的点数：

来自mpl_toolkits.mplot3d导入Axes3D
将matplotlib.pyplot作为plt导入
图=plt.图（）
ax=图添加_子图（111，投影='3d'）
最大散点（x.展平（），y.展平（），z.展平（），s=h.展平（）*50）

以下是绘图结果：

---

您是否尝试过重新塑造（）？与其说是一维数组，不如说是nx3维数组，如下所示：h.重塑（（n，3））。我之所以想从直方图绘制三维散点图，是因为我想看到直方图的分布。如果我重塑它，分布会保留吗？我想我错过了这里的主要思想，告诉我哪里错了：你有一个[x，y，z]形式的许多点的列表，在这个例子中你有[1,2,4]，[4,2,8]。。。等等然后构建一个3D直方图，并绘制它。我认为问题在于你需要4维来绘制它（或者3维+颜色）。我错了吗？我实际上总共有4个3d数组[1,2,4]，[4,2,8]…我还是不明白，你在3d空间中有点，你把这个空间分成3x3x3个区域（你基本上把3d空间分成27个小立方体）。当你建立直方图时，你正在计算每个小立方体内的点数。正如您在结果中看到的，大多数立方体内部包含零个点，而有些立方体有1或3个点。在三维散点图中，您可以将立方体的位置绘制为三维空间中的一个点，但随后需要更改其他内容来编码立方体中包含的数据点数量的信息。我说得对吗？